购物者终于告诉杂货商他们为什么购买——以下是倾听的方法

主导技术一直在重塑消费者获取信息和做出购买决策的方式。万维网催生了电子商务；谷歌的崛起推动了搜索引擎优化和按点击付费广告；智能手机的普及带来了移动应用和随时随地购物。现在，大型语言模型（LLM）正在推动另一场变革——这场变革比以往任何一次都来得更快，影响也更深远。

这一转变的一个显著特征是购物者现在在提示词中输入的词汇量之大。一项 2023年研究 由美国和香港大学的研究人员发现，ChatGPT查询包含的单词数量是典型谷歌搜索的三倍多。购物者用这些额外的文字在说什么？根据Semrush的一项调查，超过一半的受访者在开始寻找产品时使用AI；52%的人会预先指定预算、功能或特定使用场景等约束条件；57%的人依赖AI来缩小选择范围。

原因很直观。搜索栏训练消费者将意图压缩成简洁的关键词——“无麸质意面”、“鱼饼”或“可口可乐”。相比之下，对话式AI界面邀请购物者解释他们的完整情况：他们想要什么，为什么想要，哪些条件最重要，以及什么样的结果真正有帮助。考虑这个例子：

“我正在为我的五岁女儿Ariel策划本周六的生日派对。我需要所有食材，为20个幼儿园孩子准备一顿易于准备的午餐，要避免坚果和其他过敏原。也许可以是芝士通心粉，但也要为不喜欢的孩子准备替代品，还有果汁盒、葡萄和草莓，你们有现成的带糖霜的纸杯蛋糕吗？香草和巧克力口味！哦，别忘了一次性盘子、桌布、生日蜡烛和帽子。如果有小美人鱼主题的就更好了！”

这种“对话式购物”对杂货商具有重要影响。几十年来，行业通过忠诚卡和售后购物篮分析来推断客户意图，然后反向推理。AI颠覆了这一逻辑：购物者现在在购买前就声明他们的意图，通常是在没有提示的情况下。相比之下，简单的关键词搜索显得原始。以下是杂货商可以适应的三种方式。

掌握你的元数据

如果你的AI无法处理购物者声明的意图，那它就毫无价值。为了满足对话式购物更高的准确性期望，你的产品元数据可能需要升级。除了品牌、价格和类别等标准外，对话式商务还需要涵盖成分、过敏原、准备时间、营养类别、饮食适宜性和食谱用途的机器可读特征。考虑这个购物者请求：

“我的家人吃了太多垃圾食品！我们在发胖，在零食上花太多钱。帮我计划五顿健康、高蛋白的晚餐，每顿我可以在不到一小时内做好，每顿花费低于25美元。我们是两个成年人和两个饥饿的十几岁男孩。男人们喜欢牛肉、鸡肉和猪肉，但我刚刚成为素食者，所以请为一些餐点提供非肉类替代品！还要包括一些绿叶蔬菜。”

在这种情况下，当产品元数据包含关于食品、成分、营养成分、份量、准备时间、包装数量和食谱用途的标准化细节时，结果会显著改善。

在捆绑销售方面做得更好

数字购物者将不再满足于自己写购物清单然后逐一寻找每件商品。相反，他们期望用对话式语言描述他们的目标，并让杂货商将该广泛请求转化为可结账的购物篮。开始以完整的“捆绑”产品来思考，根据每个购物者的偏好、所需数量以及他们在搜索描述中表达的食谱、家庭用餐任务或其他意图进行个性化定制。

例如，购物者可能不会看到一堆需要筛选的肉类、蔬菜和谷物，而是看到一个餐食捆绑包，如：意面壳、番茄酱、一磅碎牛肉、四分之一磅植物基肉类替代品（给妈妈）、一颗西兰花、三个白洋葱、一块黄油、两个蒜头和一袋切碎的奶酪。这样的解决方案在提供便利的同时不剥夺自主权：购物者可以查看、选择或修改捆绑包，随心所欲。

利用购物者的“为什么”来购买（和销售）

基于对购物者想要什么的假设来做商品决策已经不够了。现在你终于可以理解他们为什么首先想要这些产品——而且你必须这样做，不仅是为了当下销售，也是为了实时发现未满足的需求和消费者偏好的微妙变化，而不是等待季度或年度销售报告。分析购物者的提示词以了解核心动机和新兴偏好，将它们与实际购买进行交叉参考，并利用这些情报来优化商品采购决策。

购物者在更长提示词中提供的“为什么”的背景也有助于个性化体验。关于Ariel生日派对的对话清楚地表明纸杯蛋糕只是为了特殊场合。但高蛋白晚餐和素食偏好的对话及时揭示了新的购物模式、预算和饮食限制——而不是六个月后。

LLM正在推动购物者获取信息和做出购买决策方式的巨大转变。很快，只提供静态搜索栏的电子商务体验将像今天的“精确匹配”搜索或“仅限桌面浏览器”商店一样显得过时和僵化。然而，对话式商务不仅仅是购物者更流畅的搜索界面。它还让杂货商最清晰、最快速地了解购物者的“为什么”。这种声明的意图提供了巨大的好处——但前提是杂货商调整他们的数字体验去倾听。